Intelligent Inspection工具集在InspectorP6xx & Inspector8xx 2D視覺傳感器上運行，有助于在設備上快速、輕松地創(chuàng)建應用。

　　工作原理

　　01異常檢測工具

　　異常檢測工具可以適合用于無法可靠預測缺陷樣本的復雜應用場合。進行訓練時，只需要搜集良好的圖像樣本。異常檢測工具會根據(jù)良好樣本的訓練結(jié)果，直接輸出OK或者NOK的檢測結(jié)論，同時會在檢測圖像中用熱區(qū)圖的形式將缺陷區(qū)域顯示出來。

　　異常檢測工具支持客戶進行簡單、快速的on-device應用構(gòu)建，用戶可以在智能相機硬件中訓練最多100張良好圖像樣本。

　　02分類工具

　　分類工具可以將視覺上很相似的物體進行區(qū)分，適用于多變、不穩(wěn)定、反光材質(zhì)等復雜應用場合。對于組裝核驗、缺陷分類等也可以輕松實現(xiàn)。

　　這個工具在所有類別的類似數(shù)量的圖像上進行訓練，并輸出物體類別。

　　該工具通過在InspectorP智能相機中進行圖像收集和執(zhí)行檢測。基于優(yōu)化準確度和執(zhí)行速度的目的，標注、訓練和評估過程需要使用SICK dStudio在線平臺完成。該方式下對于樣品收集的數(shù)量可以更多，不僅限于100張圖像。

　　典型應用案例

　　（快消、汽配、電子等行業(yè)）

　　01電子元器件缺失、外觀檢測

　　02勺子有無檢測（難點：表面褶皺、反光）

　　03新舊瓶區(qū)分（控制沖洗瓶子用水量）

　　04圖案種類分類（產(chǎn)品種類多）

　　05藥袋排放檢測（褶皺、翹曲等不可預見的異常情況）

　　性能和客戶收益

　　Deep Learning 解決了工業(yè)圖像處理領(lǐng)域中rule-based tools不適用的復雜應用

　　將傳統(tǒng)檢測工具的優(yōu)勢與 Deep Learning 相結(jié)合

　　減少研發(fā)工作量：借助樣本圖像訓練和分析

　　借助云端和設備端訓練，無需額外的硬件或軟件

　　由于設備基于 Deep Learning 運行，因此總運行成本低

　　操作簡單快速上手

　　掃描二維碼獲取官方產(chǎn)品資料